自 2025 年 11 月 7 日起，Amazon Fraud Detector 不再向新客戶開放。對於類似 Amazon Fraud Detector 的功能，請探索 Amazon SageMaker、AutoGluon 和 AWS WAF。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# B 部分：產生詐騙預測
<a name="part-b"></a>

詐騙預測是對商業活動 （事件） 詐騙的評估。Amazon Fraud Detector 使用偵測器來產生詐騙預測。偵測器包含您想要評估詐騙的特定事件的偵測邏輯，例如模型和規則。偵測邏輯使用規則來告知 Amazon Fraud Detector 如何解譯與模型相關聯的資料。在本教學課程中，您會使用先前上傳的帳戶註冊範例資料集來評估帳戶註冊事件。

在 A 部分中，您已建立、訓練和部署模型。在 B 部分中，您可以建置`sample_registration`事件類型的偵測器、新增部署的模型、建立規則和規則執行順序，然後建立並啟用用於產生詐騙預測的偵測器版本。

## 步驟 1：建置偵測器
<a name="step-1-create-app"></a>

**建立偵測器**

1. 在 Amazon Fraud Detector 主控台的左側導覽窗格中，選擇**偵測器**。

1. 選擇**建立偵測器**。

1. 在**定義偵測器詳細資訊**頁面中，輸入`sample_detector`偵測器名稱。或者，輸入偵測器的描述，例如 `my sample fraud detector`。

1. 針對**事件類型**，選取 **sample\_registration**。這是您在本教學課程 A 部分中建立的事件。

1. 選擇**下一步**。

## 步驟 2：新增模型
<a name="add-model-detector"></a>

如果您已完成本教學課程的 A 部分，則可能已有可新增至偵測器的 Amazon Fraud Detector 模型。如果您尚未建立模型，請前往 A 部分，完成建立、訓練和部署模型的步驟，然後繼續進行 B 部分。

1. 在**新增模型 - 選用**中，選擇**新增模型**。

1. 在**新增模型**頁面的**選取模型**中，選擇您先前部署的 Amazon Fraud Detector 模型名稱。針對**選取版本**，選擇已部署模型的模型版本。

1. 選擇 **Add model (新增模型)**。

1. 選擇**下一步**。

## 步驟 3：新增規則
<a name="add-rules-to-detector"></a>

規則是告訴 Amazon Fraud Detector 在評估詐騙預測時如何解譯模型效能分數的條件。在本教學課程中，您會建立三個規則：`high_fraud_risk`、 `medium_fraud_risk`和 `low_fraud_risk`。

1. 在**新增規則**頁面的**定義規則**下，`high_fraud_risk`為規則名稱輸入 ，然後在**描述 - 選用**下，輸入 **This rule captures events with a high ML model score**作為規則的描述。

1. 在**表達式**中，使用 Amazon Fraud Detector 簡化規則表達式語言輸入下列規則表達式：

   `$sample_fraud_detection_model_insightscore > 900`

1. 在**結果**中，選擇**建立新結果**。結果是詐騙預測的結果，如果規則在評估期間相符，則會傳回結果。

1. 在**建立新的結果**中，輸入 `verify_customer`做為結果名稱。或者，輸入描述。

1. 選擇**儲存結果**。

1. 選擇**新增規則**以執行規則驗證檢查程式並儲存規則。建立之後，Amazon Fraud Detector 會讓規則可用於您的偵測器。

1. 選擇**新增另一個規則**，然後選擇**建立規則**索引標籤。

1. 再重複此程序兩次，使用下列`low_fraud_risk`規則詳細資訊建立您的 `medium_fraud_risk`和 規則：
   + medium\_fraud\_risk

     規則名稱： `medium_fraud_risk`

     結果： `review`

     表達式：

     `$sample_fraud_detection_model_insightscore <= 900 and`

     `$sample_fraud_detection_model_insightscore > 700`
   + low\_fraud\_risk

     規則名稱： `low_fraud_risk`

     結果： `approve`

     表達式：

     `$sample_fraud_detection_model_insightscore <= 700`

   這些值是本教學課程使用的範例。當您為自己的偵測器建立規則時，請使用適合您模型和使用案例的值，

1. 建立這三個規則之後，請選擇**下一步**。

   如需建立和撰寫規則的詳細資訊，請參閱 [Rules](rules.md)和 [規則語言參考](rule-language-reference.md)。

## 步驟 4：設定規則執行和規則順序
<a name="get-start-define-rule-order"></a>

偵測器中包含之規則的規則執行模式會決定是否評估您定義的所有規則，或是否在第一個相符規則停止規則評估。而規則順序會決定您希望規則執行的順序。

預設規則執行模式為 `FIRST_MATCHED`。

**第一個相符項目**  
第一個相符規則執行模式會根據定義的規則順序傳回第一個相符規則的結果。若您指定 `FIRST_MATCHED`，Amazon Fraud Detector 會從頭到尾依序評估規則，並在遇到第一個相符規則後停止評估。然後，Amazon Fraud Detector 會提供該單一規則的結果。  
您在 中執行規則的順序可能會影響產生的詐騙預測結果。建立規則之後，請依照下列步驟重新排序規則，以所需順序執行規則：  
如果您的`high_fraud_risk`規則尚未在規則清單頂端，請選擇**順序**，然後選擇 **1**。這會`high_fraud_risk`移至第一個位置。  
重複此程序，讓您的`medium_fraud_risk`規則位於第二個位置，而您的`low_fraud_risk`規則位於第三個位置。

**所有相符項目**  
無論規則順序為何，所有相符的規則執行模式都會傳回所有相符規則的結果。如果您指定 `ALL_MATCHED`，Amazon Fraud Detector 會評估所有規則，並傳回所有相符規則的結果。

針對`FIRST_MATCHED`此教學課程選取 ，然後選擇**下一步**。